本文主要是介绍Andrew Ng机器学习公开课01：机器学习动机与应用，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
学习型算法：应用：计算机读手写字符、内容推荐（书，电影）
前提知识：计算机科学基本原理、 大O、数据结构（队列、链表、栈、二叉树）、编程能力（Matlab / Octave）、概率统计（随机变量）、线性代数（矩阵、向量）
Octave：MATLAB的免费版，功能没有matlab多
大O符号：用于描述函数渐进行为的数学符号，用另一个（通常更简单的）函数来描述一个函数 数量级的渐近上界（ 最初是一个大写的希腊字母'Θ'）
无穷大渐进： 分析算法效率【O(n^2)：该算法具有 2阶的时间复杂度 】
无穷小渐进： 描述数学函数估计中的误差项
课程分为四部分：
监督学习：回归（连续）、分类（离散值）
学习理论（learning theory）：如需要多少训练数据
无监督学习：聚类问题（应用：计算机视觉；图像处理；像素聚类构建图片的3D模型；鸡尾酒会提取声音）
强化学习：回报函数（reward function），关键是找到一个好的方式去定义你想要什么，如何定义一个好的行为和坏的行为（例：控制飞机飞行）
这篇关于Andrew Ng机器学习公开课01：机器学习动机与应用的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
